電子鼻用於疾病篩檢的潛力

分享至

電子鼻是一種可以模擬人類嗅覺細胞感知氣味的電子分析儀器,英國科學家Persaud和Dodd於1982年模擬哺乳動物嗅覺感官的結構及原理,提出了以感測器矩陣技術為基礎的電子鼻,使得這些主觀的生物感覺有了科學化的基礎。電子鼻技術已廣泛用於食品及環境的檢測,近來發展迅速有應用於醫療方面的趨勢。本文除引領讀者認識電子鼻外,並將探討其用於疾病篩檢的潛力及可能面臨的挑戰。

圖片來源:wiki

撰文|陳淵銓

●什麼是電子鼻

嗅覺感知是指有氣味(odorant)的物質激活鼻子的嗅覺細胞感受器後,藉由數百萬個嗅覺細胞與氣體反應後,會傳送不同排列組合的化學訊號而形成嗅覺紋理,再將化學訊號轉成電波訊號送到大腦皮質以辨別氣體的種類及含量,生物本能上可藉由嗅覺來尋找食物、標記地盤、感知環境及躲避危險等。精準的嗅覺判斷除生物先天本能外,另需依賴長期訓練及經驗累積,但此過程不僅耗時費事且成本高昂,而且生物嗅覺對於氣味的判斷並無客觀公正的標準,易受其生理及心理狀態影響。因此,一套能將檢測結果加以質化(定性)及量化(數據化)的客觀人工嗅覺系統-電子鼻(electronic nose)便應運而生。

電子鼻是一種可以定性和定量氣味的儀器,由取樣系統進入化學感測器陣列 (chemical sensor array) 後,會再連接圖譜辨識 (pattern recognition) 及氣味分析 (odor categorized) 系統。電子鼻晶片的表面塗有一層含碳的高分子材料,當高分子接觸到氣體時便會膨脹變大,改變了原先的電阻,在感測器矩陣中配置數種不同的晶片感測器,當不同成分的氣味分子接觸到感測器陣列時,會使每個感測器產生不同程度的電阻變化,不同的氣體及濃度會讓陣列中各個感測器產生不同的電阻數據,與預先建立的資料庫作比對,便成為該氣味獨特的電阻組合圖,傳送至電腦經訊號處理及統計分析後,成為特定氣體的圖譜(pattern)或稱電子指紋圖(electronic fingerprint),再以指紋圖作為運算依據,不同的氣體便呈現不同的身分辨識的指紋圖,藉此辨認受測氣體的種類及濃度。

●應用範圍

電子鼻不但可以將氣味資訊視覺化,亦能對無色無味的氣體進行感測並作客觀分析,目前在食品、藥物及環境檢測方面的應用已很成功且廣泛,包括辨別食物腐敗、追查違禁毒品、監控進口食品、分析氣體成分及偵測空氣污染等,未來可望應用於疾病輔助篩檢、居家健康檢查及工地安全檢測等。隨著電子鼻的應用越來越廣泛,功能也越來越繁複,簡單的構造已不符所需,但隨著人工智慧的引進,不僅大幅提升其效能,在應用上亦呈現較好的成果。

●應用於疾病篩檢的潛力

呼吸器相關肺炎(ventilator-associated pneumonia, VAP)已知與呼吸器受到細菌汙染有關,現今VAP診斷的程序通常是胸部X光攝影、血液分析、痰培養及細菌鑑定,最後對分離出的病原體進行抗生素敏感性測試(antibiotic susceptibility test)。在進行菌種鑑定之前,通常需要數日的時間才能從臨床樣本中培養出細菌。另外,當前的細菌識別方法既費時又需要昂貴的儀器,例如顯微鏡檢查、生化測試、分子生物學方法及質譜法。傳統的樣本採集法是侵入性的,例如痰誘導或支氣管肺泡灌洗,這會使患者感到不舒服,而且有時會給醫療專業人員帶來風險。傳統的氣體分析方法是實驗室中使用氣相色譜-質譜(GC-MS)分析儀或傅立葉變換紅外光譜(FT-IR)來測試樣品,但這些儀器體積大,測試過程耗時且需要專業技術人員,並不適用於日常的疾病監測。因此,開發一種安全、簡單、快速、專一、靈敏且便攜式的電子鼻是有需要的。在2019年,台灣研究人員成功使用市售電子鼻偵測到在1名加護病房病人是被綠膿桿菌(Pseudomonas aeruginosa)感染的VAP患者,顯然具備檢測揮發性有機化合物(volatile organic compound)氣體功能的電子鼻,應有篩檢VAP的潛力。

在2020年,日本研究人員試圖確認電子鼻是否可以根據尿味來診斷膀胱癌患者。他們使用配備兩個傳感器的市售電子鼻,兩個傳感器的角度(θ)取決於化學物質的種類,故將θ定義為氣味的特徵,氣味量是在測量過程中檢測到的θ數。尿液樣品來自36名未經治療的膀胱癌患者,29名尿路結石患者,10名尿道感染患者(urinary tract infection, UTI)和27名健康志願者。根據對膀胱癌患者總數的接受者操作特徵曲線(receiver operating characteristic curve, ROC)分析,θ的最佳截斷值(cut-off value)49、48和55分別應用與健康志願者、尿路結石及UTI組的樣本進行比較。使用這些特定點,膀胱癌與其他疾病之間存在顯著差異(p <0.0001)。結果顯示診斷敏感性分別為61.4%、45.6%和60.8%,特異性分別為52.8%、68.4%和90.2%;膀胱癌的ROC曲線下面積(area under curve, AUC)分別為0.565、0.548和0.909。因此,本研究認為電子鼻可以有效區分膀胱癌患者與其他疾病患者。

●應用於疾病篩檢的挑戰

電子鼻與傳統檢測醫療器材比較,雖具有迅速、安全及簡便的特色,但準確性略嫌不足,造成運作或檢測結果可信度較差而較缺乏公信力,往往僅能作為參考及輔助之用,無法作為主要的檢測依據或標準,如何在確保電子鼻的既有優點的基礎上,提高準確性及公信力將是研發的下一階段重點。

 

參考資料:

  1. 吳仁彰,電子鼻技術簡介,科儀新知第二十四卷第五期,2003年4月。
  2. 戈麗安黃英哲,科技大觀園,仿生電子鼻如何模擬嗅覺,2018年3月29日。
  3. Liao YH, Wang ZC, Zhang FG, Abbod MF, Shih CH, Shieh JS. Machine Learning Methods Applied to Predict Ventilator-Associated Pneumonia with Pseudomonas aeruginosa Infection via Sensor Array of Electronic Nose in Intensive Care Unit. Sensors (Basel), 2019 Apr 18;19(8):1866.doi: 10.3390/s19081866.
  4. Matsumoto K, Murakami Y, Shimizu Y, Hirayama T, Ishikawa W, Iwamura M. Electronic nose to distinguish bladder cancer by urinary odour feature: A pilot study. Cancer Biomark. 2020;28(1):33-39. doi: 10.3233/CBM-190466.
(Visited 119 times, 1 visits today)

分享至
views